2025年大学统计学期末考试题库：深入解析统计推断与假设检验

2025年大学统计学期末考试题库：深入解析统计推断与假设检验考试时间：______分钟总分：______分姓名：______一、单项选择题（本大题共20小题，每小题2分，共40分。在每小题列出的四个选项中，只有一项是最符合题目要求的，请将正确选项前的字母填在题后的括号内。）1.在统计推断中，用来估计总体参数的统计量被称为（）A.总体参数B.样本统计量C.抽样分布D.点估计2.当样本量较小（n<30）时，通常使用哪种分布来近似正态分布进行假设检验？（）A.t分布B.卡方分布C.F分布D.标准正态分布3.在假设检验中，第一类错误指的是（）A.当零假设为真时拒绝零假设B.当零假设为假时拒绝零假设C.当零假设为真时接受零假设D.当零假设为假时接受零假设4.如果一个研究者的p值是0.03，那么在5%的显著性水平下，这个结果应该被解释为（）A.零假设被拒绝B.零假设被接受C.没有足够的证据拒绝零假设D.结果具有高度统计学意义5.在置信区间估计中，置信水平指的是（）A.总体参数真实值落在置信区间内的概率B.样本统计量真实值落在置信区间内的概率C.抽样误差的大小D.样本量的大小6.当样本量较大（n≥30）时，中心极限定理表明样本均值的抽样分布近似于（）A.t分布B.卡方分布C.F分布D.标准正态分布7.在假设检验中，第二类错误指的是（）A.当零假设为真时拒绝零假设B.当零假设为假时拒绝零假设C.当零假设为真时接受零假设D.当零假设为假时接受零假设8.如果一个研究者的p值是0.07，那么在5%的显著性水平下，这个结果应该被解释为（）A.零假设被拒绝B.零假设被接受C.没有足够的证据拒绝零假设D.结果具有高度统计学意义9.在置信区间估计中，置信区间的宽度取决于（）A.置信水平B.样本量C.标准差D.以上所有10.在假设检验中，显著性水平（α）通常设定为（）A.0.05B.0.01C.0.10D.以上所有11.如果一个研究者的p值小于0.05，那么在5%的显著性水平下，这个结果应该被解释为（）A.零假设被拒绝B.零假设被接受C.没有足够的证据拒绝零假设D.结果具有高度统计学意义12.在置信区间估计中，样本量越大，置信区间的宽度（）A.越大B.越小C.不变D.无法确定13.在假设检验中，如果p值小于显著性水平（α），那么研究者应该（）A.拒绝零假设B.接受零假设C.增加样本量D.无法确定14.如果一个研究者的p值大于0.05，那么在5%的显著性水平下，这个结果应该被解释为（）A.零假设被拒绝B.零假设被接受C.没有足够的证据拒绝零假设D.结果具有高度统计学意义15.在置信区间估计中，置信水平越高，置信区间的宽度（）A.越大B.越小C.不变D.无法确定16.在假设检验中，如果p值大于显著性水平（α），那么研究者应该（）A.拒绝零假设B.接受零假设C.增加样本量D.无法确定17.在置信区间估计中，标准差越小，置信区间的宽度（）A.越大B.越小C.不变D.无法确定18.在假设检验中，如果样本量较小，研究者通常使用哪种分布来近似正态分布进行假设检验？（）A.t分布B.卡方分布C.F分布D.标准正态分布19.在置信区间估计中，样本量越小，置信区间的宽度（）A.越大B.越小C.不变D.无法确定20.在假设检验中，如果样本量较大，研究者通常使用哪种分布来近似正态分布进行假设检验？（）A.t分布B.卡方分布C.F分布D.标准正态分布二、多项选择题（本大题共10小题，每小题3分，共30分。在每小题列出的五个选项中，有多项符合题目要求，请将正确选项前的字母填在题后的括号内。多选、少选或错选均不得分。）1.在统计推断中，以下哪些是常用的估计方法？（）A.点估计B.区间估计C.抽样分布D.假设检验E.中心极限定理2.假设检验的基本步骤包括哪些？（）A.提出零假设和备择假设B.选择显著性水平C.计算检验统计量D.确定拒绝域E.做出统计决策3.在置信区间估计中，以下哪些因素会影响置信区间的宽度？（）A.置信水平B.样本量C.标准差D.显著性水平E.抽样方法4.在假设检验中，以下哪些是常见的错误类型？（）A.第一类错误B.第二类错误C.抽样误差D.标准差E.样本量5.中心极限定理的主要内容是什么？（）A.样本均值的抽样分布近似于正态分布B.样本方差的抽样分布近似于卡方分布C.样本量的增加会使得抽样分布更加集中D.样本量的增加会使得抽样分布更加分散E.样本均值的抽样分布与总体分布相同6.在置信区间估计中，以下哪些是常用的置信水平？（）A.90%B.95%C.99%D.99.9%E.50%7.在假设检验中，以下哪些是常用的检验统计量？（）A.Z检验B.t检验C.卡方检验D.F检验E.线性回归系数8.在置信区间估计中，以下哪些是常用的抽样方法？（）A.简单随机抽样B.分层抽样C.整群抽样D.系统抽样E.配额抽样9.在假设检验中，以下哪些是常用的显著性水平？（）A.0.05B.0.01C.0.10D.0.001E.0.0210.在统计推断中，以下哪些是常用的统计量？（）A.均值B.标准差C.方差D.相关系数E.回归系数三、简答题（本大题共5小题，每小题6分，共30分。请将答案写在答题纸上，要求表述清楚，逻辑严谨。）1.简述假设检验的基本原理和步骤。在咱们日常教学里啊，假设检验这东西，它其实就是一个用数据说话，判断咱们看到的样本现象是不是能反推出总体有某种特征的过程。你想想看，咱们不能把每个总体里的每一个都调查一遍对吧，所以就得靠样本来推断。那假设检验呢，就是先咱们得有个假设，这个假设就是零假设，通常说是总体没啥变化，或者没啥关系，然后咱们看看样本数据能不能提供足够的证据来推翻这个假设，如果证据够强，咱们就拒绝零假设，不然就接受它。具体步骤嘛，首先得提出零假设和备择假设，然后选个显著性水平，就是咱们愿意承担的犯第一类错误的概率，再根据样本数据算个检验统计量，这个统计量得能反映咱们观察到的差异有多大，然后确定拒绝域，就是检验统计量得落在哪个范围才够证据拒绝零假设，最后根据算出来的统计量是不是在拒绝域里，来做出统计决策，要么拒绝零假设，要么接受它。整个过程啊，得保证逻辑严谨，不能有太大的偏差。2.解释置信区间的含义，并说明影响置信区间宽度的因素。咱们讲置信区间的时候，经常用个例子，比如咱们说某个产品的平均使用寿命是2000小时，误差不超过100小时，置信水平是95%。这啥意思呢？就是说，如果咱们反复抽样，每次都根据样本算个2000小时左右的置信区间，大概有95%的区间会包含真实的总体均值。这里面的“置信水平”就是咱们对估计可靠性的信心，95%就是咱们有95%的把握认为真实均值在这个区间里。影响置信区间宽度的因素啊，主要有三个，一个是置信水平，这个水平越高，咱们要求估计越准，区间就得越宽，不然没法保证有那么多信心嘛；一个是样本量，样本量越大，咱们对总体的了解就越清楚，区间就越窄，这个挺好理解的，样本越多越靠谱；还有一个是标准差，总体标准差越大，说明数据越分散，咱们估计起来就越难，区间也就越宽。这三个因素啊，都是咱们在设计研究或者解读结果时得考虑清楚的。3.比较点估计和区间估计的优缺点。点估计和区间估计，这是统计推断里的两个重要方法，各有各的好处和坏处。点估计呢，就是用单一的数值来估计总体参数，比如用样本均值来估计总体均值，简单直接，容易理解，计算起来也方便。但点估计有个大问题，它没考虑到抽样误差，也就是说，这个单一的数值可能跟真实值差得挺远，咱们没法知道这个估计有多准。我经常用个比喻，点估计就像你扔一次骰子，看看朝上的点数是多少，觉得这个点数就是“真实”的点数，但实际上可能真实情况是各个点数出现的概率是一样的，你扔一次怎么就知道呢？所以点估计的优点是简单明了，缺点是没法给出估计的精度，可靠性也不明确。而区间估计呢，它给出的是一个范围，比如95%置信区间，这个范围包含了咱们估计的总体参数的可能性有95%，这样咱们不仅知道估计值大概是多少，还知道这个估计有多准，有多大的可靠性。区间估计的优点是能给出估计的精度和可靠性，让人感觉更踏实，缺点是范围太宽了，可能不够精确，而且计算起来比点估计复杂。在实际应用中，如果咱们对精度要求不高，或者样本量很大，点估计用起来也行，但如果要求严格，得知道估计的可靠性，那肯定得用区间估计。4.在什么情况下，t检验比Z检验更适用？t检验和Z检验都是用来检验均值差异的统计方法，但它们适用的情况不太一样。一般来说，当咱们知道总体标准差的时候，或者样本量特别大（通常认为n>30）的时候，可以用Z检验，因为这时候咱们对总体的了解比较清楚，或者样本数据给咱们提供了足够的“信息量”，让咱们可以比较放心地用正态分布来做推断。但是，在实际研究中，咱们很多时候不知道总体标准差，而且样本量也未必很大，这时候t检验就更适用了。t检验的设计考虑到了咱们不知道总体标准差，用样本标准差来代替，而且它还知道样本量小的时候，估计的标准差会不太准，所以它的抽样分布（t分布）比正态分布要“平坦”一点，tails要“厚”一点，这样就能更保守地估计，减少犯第一类错误的概率。我经常跟学生说，t检验就像是个“小心谨慎”的探索者，它知道信息不全，所以得更小心一点，不会轻易下结论。所以啊，当样本量较小（n<30）且不知道总体标准差的时候，t检验是更安全、更常用的选择。当然，如果样本量很大，t分布和正态分布其实差别也不大了，用Z检验也问题不大。5.解释第一类错误和第二类错误的含义，并说明它们之间的关系。在假设检验里，第一类错误和第二类错误可是两个常见的“坑”，得让学生们特别小心。第一类错误，又叫做“弃真错误”，就是咱们本来零假设是对的，结果咱们把它给拒绝了，就像你误把好人当坏人抓了。在统计学里，这个错误的概率就是咱们设定的显著性水平α，咱们通常控制在5%或者1%这种比较小的水平，就是愿意冒这个“冤枉好人”的风险比较小。第二类错误呢，叫做“取伪错误”，就是咱们本来看着零假设是错的，结果咱们没把它拒绝，反而接受了它，就像你把坏人当好人放了。这个错误的概率用β来表示，通常咱们希望它小一点，但β的大小跟样本量、效应量（也就是真实差异的大小）还有α都有关系，α大了β可能就小了，但总的来说，咱们得想办法控制这两个错误。它们之间的关系啊，挺有意思的，就像跷跷板，你压这边，那边就得翘起来。具体说，就是当你减小α（就是更严格地要求证据才拒绝零假设）的时候，β往往会增大（就是更容易犯取伪错误），反之亦然。所以啊，在实际应用中，你得根据研究目的来权衡，是要更小心地避免冤枉好人（控制α），还是要更努力地抓住坏人（控制β），或者想办法同时改善两者，比如增加样本量。这个权衡啊，不是那么容易的，得看具体情况，得让学生们明白其中的道理和复杂性。四、计算题（本大题共4小题，每小题10分，共40分。请将答案写在答题纸上，要求步骤清晰，计算准确。）1.某研究想估计某城市成年男性的平均身高，随机抽取了50名成年男性，测得样本均值为170厘米，样本标准差为5厘米。请计算95%的置信区间。好的，这道题咱们得用区间估计的方法来算。首先，题目告诉咱们样本量n=50，样本均值x̄=170厘米，样本标准差s=5厘米，置信水平是95%。因为样本量比较大（n>30），而且咱们不知道总体标准差，所以可以用标准正态分布（Z分布）来近似。接下来，得查Z分布表，找到95%置信水平对应的Z值，这个值是1.96。然后，计算标准误，标准误SE=s/√n=5/√50≈0.707。最后，计算置信区间的上下限，上限是x̄+Z*SE=170+1.96*0.707≈171.39厘米，下限是x̄-Z*SE=170-1.96*0.707≈168.61厘米。所以，95%的置信区间是（168.61厘米，171.39厘米）。这意味着咱们有95%的把握认为该城市成年男性的真实平均身高在这个范围里。2.某医生想检验一种新药是否比现有药物更有效，随机抽取了30名病人，其中15人服用新药，15人服用现有药物，服药后，新药组的有效率为60%，现有药物组的有效率为40%。请用卡方检验（α=0.05）检验新药的有效率是否显著高于现有药物。咱们要用卡方检验来比较两个比例的差异。首先，列个2x2的列联表：```新药现有药物合计有效9615无效6915合计151530```然后，计算期望频数，行合计乘以列合计再除以总样本量：```新药现有药物有效7.57.5无效7.57.5```接着，计算每个单元格的（观察频数-期望频数）的平方除以期望频数：```(9-7.5)²/7.5+(6-7.5)²/7.5+(6-7.5)²/7.5+(9-7.5)²/7.5=1.333+0.333+0.333+1.333=3.33```最后，查卡方分布表，自由度是（行数-1）*（列数-1）=1，α=0.05，临界值是3.841。因为算出来的卡方值3.33小于临界值3.841，所以咱们不能拒绝零假设，也就是说，没有足够的证据表明新药的有效率显著高于现有药物。3.某老师想知道两种教学方法对学生成绩是否有显著影响，随机抽取了40名学生，将他们随机分成两组，每组20人，一组用方法A教学，另一组用方法B教学，期末考试成绩如下：方法A:75,78,82,79,80,77,81,76,83,74方法B:68,70,72,74,76,73,69,71,67,75请用t检验（α=0.05）检验两种教学方法对学生成绩是否有显著差异。咱们要用t检验来比较两组均值的差异。首先，计算两组的样本均值和样本标准差：方法A:x̄A=79.5,sA=3.16方法B:x̄B=72.5,sB=2.89然后，计算合并标准差（因为样本量相等，所以可以用简单平均）：```sp=sqrt(((nA-1)sA²+(nB-1)sB²)/(nA+nB-2))=sqrt(((19*3.16²+19*2.89²)/38))≈2.98```接着，计算t统计量：```t=(x̄A-x̄B)/sp*sqrt(1/nA+1/nB)=(79.5-72.5)/2.98*sqrt(1/20+1/20)≈3.54```最后，查t分布表，自由度是nA+nB-2=38，α=0.05，双尾检验，临界值是2.021。因为算出来的t值3.54大于临界值2.021，所以咱们拒绝零假设，也就是说，有足够的证据表明两种教学方法对学生成绩有显著差异。4.某工厂想提高产品的产量，随机抽取了25天的产量数据，发现样本均值为1000件，样本标准差为150件。请用Z检验（α=0.05）检验该工厂的平均产量是否显著高于800件。咱们要用Z检验来检验均值是否显著高于某个值。首先，题目告诉咱们样本量n=25，样本均值x̄=1000件，样本标准差s=150件，要检验的假设是μ>800。因为样本量比较小（n<30），而且咱们不知道总体标准差，所以不能直接用Z检验。但是，如果我们假设总体是正态分布的，或者样本量足够大（n≥30），那么可以用Z检验来近似。这里咱们假设总体是正态分布的，所以可以用Z检验。接下来，计算标准误：```SE=s/sqrt(n)=150/sqrt(25)=30```然后，计算Z统计量：```Z=(x̄-μ0)/SE=(1000-800)/30=20/30≈0.67```最后，查Z分布表，α=0.05，单尾检验，临界值是1.645。因为算出来的Z值0.67小于临界值1.645，所以咱们不能拒绝零假设，也就是说，没有足够的证据表明该工厂的平均产量显著高于800件。五、论述题（本大题共2小题，每小题10分，共20分。请将答案写在答题纸上，要求观点鲜明，论据充分，逻辑严谨。）1.结合实际例子，论述统计推断在科学研究中的作用和意义。统计推断啊，在科学研究中可是个非常重要的工具，它让咱们能够在不完全了解总体的情况下，对总体做出有根据的推断，这在实际研究中太有用了。比如说，在医学研究中，咱们不可能把所有的人都试一种新药，所以就得在少数人身上做试验，看看效果怎么样，然后推断到所有人身上。再比如，在农业研究中，咱们不可能把所有的土地都试一种新肥料，也得在小块土地上做试验，看看效果，然后推广到所有土地上。这些例子都说明了统计推断的重要性。它的意义在于，第一，它能够帮咱们节省时间和成本，咱们不需要调查整个总体，只需要调查一小部分样本，就能得到比较可靠的结论。第二，它能够帮咱们处理那些无法完全控制的实验，比如天气、环境等因素，咱们只能通过样本数据来估计总体的特征。第三，它能够帮咱们验证科学假设，通过统计检验，咱们可以判断一个假设是不是有道理，是不是值得进一步研究。总之，统计推断是科学研究中不可或缺的工具，它让咱们的研究更加科学、更加可靠。2.结合实际例子，论述假设检验中p值的意义以及需要注意的问题。假设检验里的p值啊，是咱们判断一个结果是不是统计显著的重要依据，但它可不是万能的，得正确理解和使用。p值指的是，在零假设为真的情况下，观察到当前结果或者更极端结果的概率。如果p值很小，比如说小于0.05，咱们就认为这个结果是统计显著的，也就是说，这个结果不太可能是偶然发生的，咱们可以拒绝零假设。比如说，在医学研究中，如果一个新药的治疗效果显著优于安慰剂，p值可能就是0.01，这意味着，如果这个新药真的和安慰剂没有区别，那么咱们观察到这样的治疗效果的概率只有1%。这个概率太小了，咱们就有理由相信这个新药是有效的。但是，p值也不是越大越好或者越小越好，它只是衡量结果的“罕见程度”，并不能直接衡量结果的“重要性”或者“实用性”。比如说，如果一个新药的治疗效果虽然统计显著，但效果非常微小，可能对病人并没有什么实际帮助，那这个结果虽然统计显著，但咱们也不能说它就很有价值。再一个，p值也不是绝对的，它受到样本量、效应量等因素的影响。样本量越大，p值就越容易变得小，即使是很小的效应也能被检测出来；效应量越大，p值也越容易变得小。所以，咱们在使用p值的时候，不能只看p值的大小，还得结合实际情况，考虑样本量、效应量、研究目的等因素。另外，p值也不是说小于某个阈值（比如0.05）就一定得拒绝零假设，如果p值大于0.05，咱们也不能直接说零假设为真，只能说没有足够的证据拒绝它。总之，p值是假设检验中一个重要的指标，但咱们得正确理解它的意义，不能把它神化，也不能把它忽视，得结合实际情况来使用。本次试卷答案如下一、单项选择题答案及解析1.B解析：在本题中，我们需要区分总体参数和样本统计量。总体参数是描述总体特征的数值，而样本统计量是描述样本特征的数值。在统计推断中，我们通常使用样本统计量来估计总体参数。因此，用来估计总体参数的统计量被称为样本统计量。2.A解析：当样本量较小（n<30）时，由于样本量不够大，其抽样分布可能不服从正态分布。此时，我们通常使用t分布来近似正态分布进行假设检验。t分布考虑了样本量较小带来的抽样误差，因此更加适用于小样本假设检验。3.A解析：第一类错误指的是当零假设为真时拒绝零假设。简单来说，就是咱们把一个本来是好的东西当成是坏的，犯了“冤枉好人”的错误。在假设检验中，这是咱们设定的风险，通常用α表示。4.A解析：如果p值是0.03，小于常用的显著性水平0.05，这意味着观察到当前结果或者更极端结果的概率只有3%，这个概率比较小，足以让我们有信心拒绝零假设，认为结果具有统计学意义。5.A解析：置信区间估计中，置信水平指的是总体参数真实值落在置信区间内的概率。例如，95%的置信水平意味着如果我们重复抽样100次，大约有95次的置信区间会包含真实的总体参数。6.D解析：根据中心极限定理，当样本量较大（n≥30）时，样本均值的抽样分布近似于标准正态分布。这是因为大样本能够更好地反映总体的分布特征，使得样本均值的分布更加接近正态分布。7.D解析：第二类错误指的是当零假设为假时接受零假设。简单来说，就是咱们把一个本来是坏的东西当成是好的，犯了“放过坏人”的错误。在假设检验中，这是咱们未能捕捉到的真实情况，通常用β表示。8.C解析：如果p值是0.07，大于常用的显著性水平0.05，这意味着观察到当前结果或者更极端结果的概率有7%，这个概率比较大，不足以让我们有信心拒绝零假设，认为没有足够的证据拒绝零假设。9.D解析：置信区间的宽度受置信水平、样本量和标准差的影响。置信水平越高，区间越宽；样本量越大，区间越窄；标准差越大，区间越宽。因此，以上所有因素都会影响置信区间的宽度。10.A解析：在假设检验中，显著性水平（α）通常设定为0.05，这意味着咱们愿意承担的犯第一类错误的概率是5%。这是一个常用的标准，但具体值可以根据研究需要调整。11.A解析：如果p值小于0.05，小于常用的显著性水平0.05，这意味着观察到当前结果或者更极端结果的概率小于5%，这个概率比较小，足以让我们有信心拒绝零假设，认为结果具有统计学意义。12.B解析：样本量越大，样本均值的标准误就越小，这意味着样本均值对总体均值的估计就越精确，因此置信区间的宽度就越小。13.A解析：当p值小于显著性水平（α）时，说明观察到当前结果或者更极端结果的概率小于咱们设定的风险水平，因此咱们有足够的证据拒绝零假设。14.C解析：如果p值大于0.05，大于常用的显著性水平0.05，这意味着观察到当前结果或者更极端结果的概率大于5%，这个概率比较大，不足以让我们有信心拒绝零假设，认为没有足够的证据拒绝零假设。15.A解析：置信水平越高，咱们对估计可靠性的要求就越高，因此需要更宽的置信区间来保证有足够的信心包含真实的总体参数。16.B解析：当p值大于显著性水平（α）时，说明观察到当前结果或者更极端结果的概率大于咱们设定的风险水平，因此咱们没有足够的证据拒绝零假设。17.B解析：标准差越小，样本均值的标准误就越小，这意味着样本均值对总体均值的估计就越精确，因此置信区间的宽度就越小。18.A解析：当样本量较小（n<30）且不知道总体标准差时，由于样本量不够大，其抽样分布可能不服从正态分布，且总体标准差未知，此时我们通常使用t分布来近似正态分布进行假设检验。19.A解析：样本量越小，样本均值的标准误就越大，这意味着样本均值对总体均值的估计就越不精确，因此置信区间的宽度就越大。20.D解析：当样本量较大（n≥30）时，由于样本量足够大，根据中心极限定理，样本均值的抽样分布近似于标准正态分布，此时我们可以使用标准正态分布（Z分布）来进行假设检验。二、多项选择题答案及解析1.AB解析：在统计推断中，常用的估计方法有点估计和区间估计。点估计是用单一的数值来估计总体参数，而区间估计是用一个范围来估计总体参数。抽样分布和中心极限定理是统计推断的理论基础，而假设检验是统计推断的另一种重要方法。因此，选项A和B是正确的。2.ABCDE解析：假设检验的基本步骤包括提出零假设和备择假设（A），选择显著性水平（B），计算检验统计量（C），确定拒绝域（D），以及做出统计决策（E）。这些步骤是假设检验的完整过程，因此选项A、B、C、D和E都是正确的。3.ABC解析：在置信区间估计中，置信水平、样本量和标准差都会影响置信区间的宽度。置信水平越高，区间越宽；样本量越大，区间越窄；标准差越大，区间越宽。因此，选项A、B和C都是正确的。4.AB解析：在假设检验中，常见的错误类型有第一类错误（A）和第二类错误（B）。第一类错误是当零假设为真时拒绝零假设，第二类错误是当零假设为假时接受零假设。抽样误差、标准差和样本量都不是假设检验的错误类型。因此，选项A和B是正确的。5.AC解析：中心极限定理的主要内容是：样本均值的抽样分布近似于正态分布（A），且样本量的增加会使得抽样分布更加集中（C）。样本方差的抽样分布近似于卡方分布（B）是错误的，样本均值的抽样分布与总体分布相同（E）也是错误的。因此，选项A和C是正确的。6.ABCD解析：在置信区间估计中，常用的置信水平有90%（A）、95%（B）、99%（C）和99.9%（D）。50%的置信水平太低，通常不使用。因此，选项A、B、C和D是正确的。7.ABCD解析：在假设检验中，常用的检验统计量有Z检验（A）、t检验（B）、卡方检验（C）和F检验（D）。线性回归系数（E）不是检验统计量，而是回归分析中的参数。因此，选项A、B、C和D是正确的。8.ABCD解析：在置信区间估计中，常用的抽样方法有简单随机抽样（A）、分层抽样（B）、整群抽样（C）和系统抽样（D）。配额抽样（E）不是常用的抽样方法。因此，选项A、B、C和D是正确的。9.ABCD解析：在假设检验中，常用的显著性水平有0.05（A）、0.01（B）、0.10（C）和0.001（D）。0.02（E）也是一个常用的显著性水平，但题目要求列出所有常用的显著性水平，因此选项A、B、C和D是正确的。10.ABCD解析：在统计推断中，常用的统计量有均值（A）、标准差（B）、方差（C）和标准误（D）。回归系数（E）是回归分析中的参数，不是统计推断中的统计量。因此，选项A、B、C和D是正确的。三、简答题答案及解析1.假设检验的基本原理是利用样本信息来推断总体特征。其基本步骤包括：（1）提出零假设和备择假设。零假设通常表示没有差异或没有关系，备择假设表示存在差异或关系。（2）选择显著性水平。显著性水平是咱们愿意承担的犯第一类错误的概率，通常设定为0.05或0.01。（3）计算检验统计量。检验统计量是样本数据的一个函数，用于衡量样本数据与零假设的差异程度。（4）确定拒绝域。拒绝域是检验统计量取值的范围，如果检验统计量落入拒绝域，就拒绝零假设。（5）做出统计决策。根据检验统计量是否落入拒绝域，来决定是否拒绝零假设。如果拒绝零假设，就认为结果具有统计学意义；如果不能拒绝零假设，就认为没有足够的证据拒绝零假设。假设检验的原理是，如果零假设为真，那么观察到当前结果或者更极端结果的概率应该很小。如果这个概率很小，就说明当前结果不太可能是偶然发生的，咱们有理由拒绝零假设。2.置信区间估计的含义是，用一个范围来估计总体参数的可能值。置信水平是指咱们对估计可靠性的信心，例如95%的置信水平意味着如果我们重复抽样100次，大约有95次的置信区间会包含真实的总体参数。影响置信区间宽度的因素主要有：（1）置信水平。置信水平越高，咱们对估计可靠性的要求就越高，因此需要更宽的置信区间来保证有足够的信心包含真实的总体参数。（2）样本量。样本量越大，样本均值的标准误就越小，这意味着样本均值对总体均值的估计就越精确，因此置信区间的宽度就越小。（3）标准差。标准差越大，样本均值的标准误就越大，这意味着样本均值对总体均值的估计就越不精确，因此置信区间的宽度就越大。因此，置信区间的宽度受置信水平、样本量和标准差的影响。3.点估计和区间估计是统计推断中的两种重要方法，各有优缺点：（1）点估计的优点是简单直接，容易理解，计算起来也方便。但缺点是没法给出估计的精度，可靠性也不明确。（2）区间估计的优点是能给出估计的精度和可靠性，让人感觉更踏实。但缺点是范围太宽了，可能不够精确，而且计算起来比点估计复杂。在实际应用中，如果咱们对精度要求不高，或者样本量很大，点估计用起来也行。但如果要求严格，得知道估计的可靠性，那肯定得用区间估计。例如，在医学研究中，如果一种新药的治疗效果只有一点点提高，但统计显著，咱们就需要用区间估计来衡量这个提高有多大，值不值得推广使用。4.当样本量较小（n<30）且不知道总体标准差时，t检验比Z检验更适用。这是因为t检验考虑了样本量较小带来的抽样误差，使用了t分布来进行假设检验，而Z检验假设总体标准差已知，或者样本量足够大，可以使用标准正态分布来进行假设检验。当样本量较大（n≥30）时，根据中心极限定理，样本均值的抽样分布近似于标准正态分布，此时可以使用Z检验来近似。但在实际研究中，很多情况下样本量较小，且总体标准差未知，这时t检验更加适用。例如，在心理学研究中，研究者可能只能抽取少量被试进行实验，此时使用t检验来分析数据更加可靠。5.第一类错误和第二类错误是假设检验中常见的两种错误：（1）第一类错误指的是当零假设为真时拒绝零假设，即“冤枉好人”。在假设检验中，这是咱们设定的风险，通常用α表示。例如，在医学研究中，如果一个新药真的和安慰剂没有区别，但如果样本数据偶然出现了显著差异，咱们可能会错误地认为这个新药是有效的，这就是犯了第一类错误。（2）第二类错误指的是当零假设为假时接受零假设，即“放过坏人”。在假设检验中，这是咱们未能捕捉到的真实情况，通常用β表示。例如，在医学研究中，如果一个新药确实比安慰剂更有效，但如果样本数据偶然出现了不显著差异，咱们可能会错误地认为这个新药没有效果，这就是犯了第二类错误。第一类错误和第二类错误之间存在着一种权衡关系，即当你减小α（就是更严格地要求证据才拒绝零假设）的时候，β往往会增大（就是更容易犯取伪错误），反之亦然。因此，在实际应用中，你得根据研究目的来权衡，是要更小心地避免冤枉好人（控制α），还是要更努力地抓住坏人（控制β），或者想办法同时改善两者，比如增加样本量。四、计算题答案及解析1.95%置信区间的计算步骤如下：（1）计算标准误：SE=s/√n=5/√50≈0.707（2）查Z分布表，找到95%置信水平对应的Z值，Z=1.96（3）计算置信区间的上下限：下限：x̄-Z*SE=170-1.96*0.707≈168.61厘米上限：x̄+Z*SE=170+1.96*0.707≈171.39厘米（4）得出结论：95%的置信区间是（168.61厘米，171.39厘米），即有95%的把握认为该城市成年男性的真实平均身高在这个范围里。2.卡方检验的步骤如下：（1）提出零假设和备择假设：H0：两种药物的有效率没有差异H1：新药的有效率显著高于现有药物（2）计算期望频数：新药现有药物有效7.57.5无效7.57.5（3）计算卡方统计量：χ2=(9-7.5)²/7.5+(6-7.5)²/7.5+(6-7.5)²/7.5+(9-7.5)²/7.5=1.333+0.333+0.333+1.333=3.33（4）查卡方分布表，自由度df=(行数-1)*(列数-1)=1，α=0.05，临界值是3.841（5）做出决策：因为χ2=3.33<3.841，所以不能拒绝H0，没有足够的证据表明新药的有效率显著高于现有药物。3.t检验的步骤如下：（1）计算两组的样本均值和样本标准差：方法A:x̄A=79.5,sA=3.16方法B:x̄B=72.5,sB=2.89（2）计算合并标准差：sp=sqrt(((nA-1)sA²+(nB-1)sB²)/(nA+nB-2))=sqrt(((19*3.16²+19*2.89²)/38))≈2.98（3）计算t统计量：t=(x̄A-x̄B)/sp*sqrt(1/nA+1/nB)=(79.5-72.5)/2.98*sqrt(1/20+1/20)≈3.54（4）查t分布表，自由度df=nA+nB-2=38，α=0.05，双尾检验，临界值是2.021（5）做出决策：因为t=3.54>2.021，所以拒绝H0，有足够的证据表明两种教学方法对学生成绩有显著差异。4.Z检验的步骤如下：（1）计算标准误：SE=s/√n=150/√25=30（2）计算Z统计量：Z=(x̄-μ0)/SE=(1000-800)/30=